Machine Learning   기계 학습

(2018-06-26)

머신러닝, 학습

1. 학습 (Learning)

  ㅇ 지속적인 경험이나 훈련의 결과로 생기는 행동 변화
     - 자기의 지식 기반을 확장시킬 수 있음

  ※ 경험(Experience),훈련(Training),학습(Learing)의 비교
     - 경험은, 실제 겪어보고 단일 지식들을 얻게되는 것
     - 훈련은, 반복을 통해 동작/행동을 할 수 있게되는 것
     - 학습은, 알고 깨달아 지식의 확장이 가능하게되는 것


2. 기계 학습 (Machine Learning)

  ㅇ 인간의 학습 능력을 기계를 통해 구현
     - 외부 환경 정보를 이용하여 시스템 내부에 지식을 저장하고 형성시키는 과정
        . 기계 스스로 학습을 통해 지식의 체계적인 수집,축적,구조화시키는 과정

  ㅇ 일반적인 정의
     - 경험적 학습으로 지식과 성능을 향상시키는 알고리즘시스템

  ㅇ 구현 목표
     - 데이터(training data)들로부터 규칙,지식,알고리즘,프로그램 등을 자동으로 추출

  ㅇ 구현 핵심
     - 데이터를 보고, 미리 정해지지 않은 패턴추리해내도록 하는 것


3. 기계학습의 방법 구분 

  ※ (학습을 위해 어떤 피드백을 제공하는 가에 따른 구분)

  ㅇ 지도 학습 (Supervised Learning)
     - 입력 및 이에 대해 기대되는 출력을 학습 데이터로 제시하고,
       기대되는 출력과 같아지도록(예측토록) 시스템을 변화시키는 과정
        . 例) 회귀, 분류, 랭킹/추천 등

  ㅇ 비지도 학습/자율 학습 (Unsupervised Learning)
     - 데이터 집합에 내재하는 숨은 구조를 찾는 과정 (패턴 추출)
        . 例) 군집화, 토픽 모델링, 밀도(데이터 분포) 추정, 차원 축소 등

  ㅇ 강화 학습 (Reinforcement Learning)
     - 보상을 통해 학습
        . 환경과의 상호작용(선택과 피드백의 반복)을 통해 장기적인 이득을 최대화시킴


4. 기계학습의 접근법인공 신경망 (Artificial Neutral Network,ANN)
     - 인간의 뇌 구조에 착안하여 만든 학습법

     * 딥러닝 (Deep Learning)
        . 기존의 신경망 보다 훨씬 복잡하고 깊이가 깊은 신경망을 사용

  ㅇ 통계 기반 기계학습
     - 통계학적으로 대규모 데이터에 내재된 패턴을 찾아냄
     - 크게, 분류(Classification)와 예측(Predication)/추정(Estimation)으로 나눌 수 있음

  ㅇ 유전 알고리즘 (Genetic Algorithm)


[기계학습] 1. 기계 학습 2. 인공 신경망 3. 빅 데이터 4. 차원 축소
  1.   기술공통
  2.   기초과학
  3.   진동/파동
  4.   방송/멀티미디어/정보이론
  5.   전기전자공학
  6.   통신/네트워킹
  7.   정보기술(IT)
        1. 정보기술
    1.   전산기초
    2.   컴퓨터구조
    3.   프로그래밍
    4.   데이터베이스
    5.   소프트웨어 공학
    6.   운영체제
    7.   정보보호/보안
    8.   IT 기타기술
      1.   임베디드시스템
      2.   로봇
      3.   정보검색
      4.   인공지능
            1. 인공지능
            2. 지식
        1.   기계학습
          1.   1. 기계 학습
              2. 인공 신경망
              3. 빅 데이터
              4. 차원 축소
        2.   패턴인식
        3.   결정 이론
      5.   VR,AR
  8.   공업일반(기계,재료등)
  9.   표준/계측/품질
  10.   기술경영

 
        최근수정     요약목록(시험중)     참고문헌